第一章 先验分布与后验分布 1
1.1三种信息 1
1.2贝叶斯公式 5
1.3共轭先验分布 10
1.4超参数及其确定 16
1.5多参数模型 20
1.6充分统计量 24
习题 26
第二章 贝叶斯推断 29
2.1条件方法 29
2.2估计 30
2.3区间估计 37
2.4假设检验 44
2.5预测 55
2.6似然原理 59
习题 63
第三章 先验分布的确定 65
3.1主观概率 65
3.2利用先验信息确定先验分布 68
3.3利用边际分布m（x）确定先验密度 75
3.4无信息先验分布 82
3.5多层先验 108
习题 119
第四章 决策中的收益、损失与效用 121
4.1决策问题的三要素 121
4.2决策准则 125
4.3先验期望准则 130
4.4损失函数 136
4.5常用损失函数 142
4.6效用函数 146
习题 158
第五章 贝叶斯决策 162
5.1贝叶斯决策问题 162
5.2后验风险准则 165
5.3常用损失函数下的贝叶斯估计 173
5.4抽样信息期望值 182
5.5最佳样本量的确定 189
5.6二行动线性决策问题的EVPI 198
习题 208
第六章 统计决策理论 212
6.1风险函数 212
6.2容许性 218
6.3最小最大准则 223
6.4贝叶斯风险 227
6.5贝叶斯估计的性质 231
习题 235
第七章 贝叶斯计算 237
7.1 MCMC介绍 237
7.2贝叶斯分析中的直接抽样方法 241
7.3 Gibbs抽样 258
7.4 Metropolis-Hasting算法 263
7.5 MCMC收敛性诊断 269
7.6 WinBUGS使用简介 275
7.7应用 282
习题 289
附录1常用概率分布表 295
附录2标准正态分布函数φ（z）表 298
中文参考文献 299
英文参考文献 300